Link to this sectionКак установить Ultralytics YOLO с помощью Conda#

В этом руководстве рассказывается, как настроить среду Conda для твоих проектов Ultralytics. Conda — это система управления пакетами и средами с открытым исходным кодом, которая является отличной альтернативой pip для установки пакетов и зависимостей. Её изолированные среды особенно хорошо подходят для работы в области науки о данных и машинного обучения. Дополнительную информацию можно найти в пакете Ultralytics Conda на Anaconda, а также ознакомиться с репозиторием Ultralytics feedstock для получения обновлений пакета на GitHub.

Это руководство охватывает создание среды, установку Ultralytics, запуск инференса, использование Docker-образа Conda и ускорение установки с помощью libmamba.

Link to this sectionПредварительные требования#

У тебя на системе должен быть установлен Anaconda или Miniconda. Если нет, скачай и установи его с Anaconda или Miniconda.

Link to this sectionНастройка среды Conda#

Сначала создай новую среду Conda. Открой терминал и выполни следующую команду:

conda create --name ultralytics-env python=3.11 -y

Активируй новую среду:

conda activate ultralytics-env

Link to this sectionУстановка Ultralytics#

Ты можешь установить пакет Ultralytics из канала conda-forge. Выполни следующую команду:

conda install -c conda-forge ultralytics

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralytics

Link to this sectionИспользование Ultralytics#

После установки Ultralytics ты можешь начать использовать его мощные функции для обнаружения объектов, сегментации экземпляров и многого другого. Например, чтобы выполнить предсказание для изображения, можешь запустить:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # initialize model
results = model("path/to/image.jpg")  # perform inference
results[0].show()  # display results for the first image

Link to this sectionDocker-образ Ultralytics Conda#

Если ты предпочитаешь использовать Docker, Ultralytics предлагает Docker-образы с предустановленной средой Conda. Ты можешь скачать эти образы из DockerHub.

Скачай последний образ Ultralytics:

# Set image name as a variable
t=ultralytics/ultralytics:latest-conda

# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t

Запусти образ:

# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --runtime=nvidia --gpus all $t            # all GPUs
sudo docker run -it --ipc=host --runtime=nvidia --gpus '"device=2,3"' $t # specify GPUs

Link to this sectionУскорение установки с помощью Libmamba#

libmamba — это быстрый, кроссплатформенный решатель, учитывающий зависимости, который заменяет классический решатель Conda. Conda версии 23.10 и выше уже использует libmamba в качестве решателя по умолчанию, поэтому большинство установок проходят быстрее «из коробки».

Если у тебя более старая версия Conda, ты можешь включить libmamba вручную:

1. Сначала установи пакет conda-libmamba-solver:

   conda install conda-libmamba-solver

2. Затем настрой Conda на использование libmamba в качестве решателя:

   conda config --set solver libmamba

Ты успешно настроил среду Conda, установил пакет Ultralytics и теперь готов изучать его возможности. Более подробные руководства и примеры можно найти в документации Ultralytics.

Link to this sectionFAQ#

Link to this sectionКаков процесс настройки среды Conda для проектов Ultralytics?#

Настройка среды Conda для проектов Ultralytics проста и обеспечивает бесперебойное управление пакетами. Сначала создай новую среду Conda с помощью следующей команды:

conda create --name ultralytics-env python=3.11 -y

Затем активируй новую среду с помощью:

conda activate ultralytics-env

Наконец, установи Ultralytics из канала conda-forge:

conda install -c conda-forge ultralytics

Link to this sectionПочему стоит использовать Conda вместо pip для управления зависимостями в проектах Ultralytics?#

Conda — это надежная система управления пакетами и средами, предлагающая ряд преимуществ перед pip. Она эффективно управляет зависимостями и гарантирует совместимость всех необходимых библиотек. Изолированные среды Conda предотвращают конфликты между пакетами, что критически важно в проектах по анализу данных и машинному обучению. Кроме того, Conda поддерживает распространение бинарных пакетов, что ускоряет процесс установки.

Link to this sectionМогу ли я использовать Ultralytics YOLO в среде с поддержкой CUDA для повышения производительности?#

Да, ты можешь повысить производительность, используя среду с поддержкой CUDA. Обязательно устанавливай ultralytics, pytorch и pytorch-cuda вместе, чтобы избежать конфликтов:

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralytics

Эта настройка обеспечивает ускорение на GPU, что крайне важно для интенсивных задач, таких как обучение моделей глубокого обучения и инференс. Для получения дополнительной информации посети руководство по установке Ultralytics.

Link to this sectionКаковы преимущества использования Docker-образов Ultralytics со средой Conda?#

Использование Docker-образов Ultralytics обеспечивает согласованную и воспроизводимую среду, устраняя проблемы в духе «на моей машине работает». Эти образы включают предварительно настроенную среду Conda, что упрощает процесс установки. Ты можешь скачать и запустить последний Docker-образ Ultralytics с помощью следующих команд:

sudo docker pull ultralytics/ultralytics:latest-conda
sudo docker run -it --ipc=host --runtime=nvidia --gpus all ultralytics/ultralytics:latest-conda            # all GPUs
sudo docker run -it --ipc=host --runtime=nvidia --gpus '"device=2,3"' ultralytics/ultralytics:latest-conda # specify GPUs

Этот подход идеально подходит для развертывания приложений в продакшене или выполнения сложных рабочих процессов без ручной настройки. Узнай больше о Docker-образе Ultralytics Conda.

Link to this sectionКак ускорить установку пакетов Conda в моей среде Ultralytics?#

Conda 23.10 и более поздние версии уже используют быстрый решатель libmamba по умолчанию. В более старых версиях Conda ты можешь включить его вручную, сначала установив пакет conda-libmamba-solver:

conda install conda-libmamba-solver

Затем настрой Conda на использование libmamba в качестве решателя:

conda config --set solver libmamba

Эта настройка обеспечивает более быстрое и эффективное управление пакетами. Больше советов по оптимизации своей среды можно найти в статье об установке libmamba.